YOLOX目标检测模型可以识别和分类几种具有相似特征的茶叶芽类型
Mengdao Yang1, Weihao Yuan1, Gaojian Xu2
1Anhui Agricultural University, Hefei, 230036, Anhui, China.
Scientific reports
|February 3, 2024
概括
YOLOX算法在茶叶芽识别方面表现出色,在识别和分类四种茶叶品种方面达到高精度. 这项研究支持机械智能茶叶采摘的可行性.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 精确的茶蕾识别对于茶叶质量评估和分类至关重要.
- 茶叶行业的智能发展依赖于精确的茶蕾识别.
研究的目的:
- 开发和评估一个茶叶芽识别和分类模型.
- 为了比较七个主流对象检测算法用于茶叶识别的性能.
主要方法:
- 建立了茶芽数据集 (TBD),包含四种茶类的3728张图像.
- 实现并比较了YOLOv4,YOLOv5,YOLOX,YOLOv7,EfficientDet,更快的R-CNN和CenterNet算法. 这些算法是如何实现的?
- 开发了一个茶叶芽分类模型,使用性能最好的YOLOX算法.
主要成果:
- YOLOX算法以95.47%的mAP表现出卓越的性能.
- 基于YOLOX的分类模型对单个茶类型实现了高精度 (例如,黄山种子的90.54%).
结论:
- 开发的茶叶芽分类模型有效地区分了四种茶叶品种.
- 这些发现支持机械智能茶叶采摘的实际应用.
